Etude Pioch Armant
Contexte: Vigne
Sol non travaillé sous le rang et sur l’inter-rang.
Désherbé sous le rang.
Friche dans l’inter-rang.
L’objectif était de suivre l’évolution de nos indicateurs au fil de l’année. Projet sur 2003-2006 réalisé par Sylvie Richarte.
Il n’y a pas de répétition malheureusement.
A retenir
Comprendre pourquoi la MO totale varie autant
On remarque que la BM/Cmin/Nmin sont proches entre rang et inter-rang.
Cohérence du BM/C
Au sein de la partie traitant des corrélation
Corrélation la plus forte pour Cmin et Nmin
Corrélation intéressante Cmin et FDA
Décorrélation surprenante BM et Cmin
Graphique interactif pour exploration
Les saison sont en couleurs, orange pour l’été, rouge pour l’automne, gris pour l’hiver et vert pour le printemps.
Vous pouvez passer le curseur sur les lignes et les points pour afficher le détail de la valeur du point, cela mettra en évident tous les point à la même date sur les autres graphiques.
Code
# devtools::install_github("thomasp85/patchwork") <- "Prélèvement" <- "color" <- plot_ggiraph (data = data,group = "a_creuser" ,text_size = 30 ,ylab= "MO en g/100g de terre" ,legend_title= legend_title,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "CT28_val" ,text_size = 30 ,ylab= "CO2 en mg/kg (28j à 28°C)" ,legend_title= legend_title,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "BM_val" ,text_size = 30 ,legend_title= legend_title,ylab= "Biomasse microbienne mg/kg" ,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "Nmineralise_val" ,text_size = 30 ,legend_title= legend_title,ylab= "Azote minéralisé mg/kg \t (28j à 28°C)" ,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "BM_pourcent_Ctotal_val" ,text_size = 30 ,legend_title= legend_title,ylab= "BM en % du Carbone total" ,color_axis_x= color_axis_x)# Combine the plots using patchwork <- mo + bm+ bm_c+ cmin+ nmin + plot_layout (nrow = 5 )<- girafe (ggobj = combined_plot,options = list (opts_sizing (width = 1 )# ,opts_zoom(max = 5), # opts_tooltip( # offx = 60, # offy = 60, use_cursor_pos = FALSE # ) <- girafe_options (opts_hover (css = "stroke:#69B3A2; stroke-width: 10px; transition: all 0.3s ease;" ),opts_hover_inv ("opacity:0.5;filter:saturate(10%);" ),opts_toolbar (saveaspng = FALSE )
BM et FDA hydrolase
Code
<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "CT28_val" ,text_size = 30 ,ylab= "CO2 en mg/kg (28j à 28°C)" ,legend_title= legend_title,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "BM_val" ,text_size = 30 ,legend_title= legend_title,ylab= "Biomasse microbienne mg/kg" ,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "FDA..A490.h." ,text_size = 30 ,legend_title= legend_title,ylab= "FDA" ,color_axis_x= color_axis_x)# Combine the plots using patchwork <- bm+ fda+ cmin+ plot_layout (nrow = 3 )<- girafe (ggobj = combined_plot,options = list (opts_sizing (width = 1 )# ,opts_zoom(max = 5), # opts_tooltip( # offx = 60, # offy = 60, use_cursor_pos = FALSE # ) <- girafe_options (opts_hover (css = "stroke:#69B3A2; stroke-width: 10px; transition: all 0.3s ease;" ),opts_hover_inv ("opacity:0.5;filter:saturate(10%);" ),opts_toolbar (saveaspng = FALSE )
Effet de l’humidité ?
Attention pour la pluviométrie il s’agitr de la moyenne mensuelle, donc pour deux dates le même mois on a la même valeur de précipitation. Source des données météo: Info Climat station montpellier 2003-2006
Code
<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "BM_val" ,text_size = 30 ,legend_title= legend_title,ylab= "BM en mg/kg (fumigation)" ,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "BM_pourcent_Ctotal_val" ,text_size = 30 ,legend_title= legend_title,ylab= "BM en % du Carbone total" ,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "H103" ,text_size = 30 ,ylab= "HUmidité 103°C %" ,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = NULL ,indicateur = "pluvio_mm" ,bar_graph = TRUE ,color_bar = "blue" ,text_size = 30 ,ylab= "Pluviométrie mensuelle mm" ,color_axis_x= color_axis_x)<- plot_ggiraph (data = data,group = NULL ,indicateur = "Tmoy" ,bar_graph = TRUE ,color_bar = "orange" ,text_size = 30 ,ylab= "T°C moyenne mensuelle" ,color_axis_x= color_axis_x)# Combine the plots using patchwork <- bm+ bm_c + hr+ pluvio+ tempe + plot_layout (nrow = 5 )<- girafe (ggobj = combined_plot,options = list (opts_sizing (width = 1 )# ,opts_zoom(max = 10), # opts_tooltip( # offx = 60, # offy = 60, use_cursor_pos = FALSE # ) <- girafe_options (opts_hover (css = "stroke:#69B3A2; stroke-width: 10px; transition: all 0.3s ease;" ),opts_hover_inv ("opacity:0.5;filter:saturate(10%);" ),opts_toolbar (saveaspng = FALSE )
Surprenante la variation de MO totale ! Et la perte en Nmin et Cmin au cours du temps. Pourquoi la BM varie autant ?
Détails par indicateur
Il suffit de cliquer sur les titres en rouges pour afficher le graphique correspondant.
On observe qu’il n’y a pas de grande différence entre le rang et l’inter-rang.
En passant la souris sur les points s’affichent la date et la valeur.
L’évolution de la BM au cours du temps.
Code
# plot_with_error(data,incertitude_y=0.1,incertitude_x=0,indicateur="BM_val",xaxis="date_reception_labo2",fichiers = fichiers,color="blue",x_is_date = TRUE,angle_x = 90,group = "a_creuser",name = "rang_et_IR" ) <- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "BM_val" ,ylab= "BM en mg/kg (fumigation)" ,legend_title= legend_title,color_axis_x= color_axis_x)<- girafe (ggobj = bm2)<- girafe_options (opts_hover (css = "stroke:#69B3A2; stroke-width: 10px; transition: all 0.3s ease;" ),opts_hover_inv ("opacity:0.5;filter:saturate(10%);" ),opts_toolbar (saveaspng = FALSE )
La teneur en carbone labile
Code
# plot_with_error(data,incertitude_y=0.1,indicateur="CT28_val",xaxis="date_reception_labo2",fichiers = fichiers,group = "a_creuser",name = "rang_et_IR") <- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "CT28_val" ,ylab= "CO2 en mg/kg (28j à 28°C)" ,legend_title= legend_title,color_axis_x= color_axis_x)<- girafe (ggobj = cmin2)<- girafe_options (opts_hover (css = "stroke:#69B3A2; stroke-width: 10px; transition: all 0.3s ease;" ),opts_hover_inv ("opacity:0.5;filter:saturate(10%);" ),opts_toolbar (saveaspng = FALSE )
Mais que ce passe-t-il en juillet et septembre 2005 et en novembre 2006?
On mesure la minéralisation des grappes de raisin ou des feuilles ?
On observe qu’il n’y a pas de grande différence entre le rang et l’inter-rang pour l’azote
Code
# plot_with_error(data,incertitude_y=0.15,indicateur="MOtotale_pourcent_sol_val",xaxis="date_reception_labo2",fichiers = fichiers,group = "a_creuser",name = "rang_et_IR") <- plot_ggiraph (data = data,group = "a_creuser" ,indicateur = "Nmineralise_val" ,ylab= "Azote minéralisé en mg/kg (28j à 28°C)" ,legend_title= legend_title,color_axis_x= color_axis_x)<- girafe (ggobj = nmin2)
Warning: Removed 2 rows containing missing values or values outside the scale range
(`geom_interactive_point()`).
Code
<- girafe_options (opts_hover (css = "stroke:#69B3A2; stroke-width: 10px; transition: all 0.3s ease;" ),opts_hover_inv ("opacity:0.5;filter:saturate(10%);" ),opts_toolbar (saveaspng = FALSE )
Etudier d’éventuelle corrélation plus macro
L’humidité du sol n’est pas un facteur explicatif dans ce suivi pour expliquer la variation de la BM
Le lien est plus net entre la respiration microbienne et la libération de l’azote. Mais le R² reste faible
On note bien un décalage entre la BM et son activité. Mesure de racines ?
Intéressant le R² entre FDA et Respiration microbienne.
Pas de lien (corrélation) évident entre la pluviométrie mensuelle et la valeur de BM
Ce n’est pas parce qu’il fait chaud (en moyenne dans le mois) que la BM est forte
Code
ggplot (data,aes (x= H103,y= BM_val,colour= a_creuser))+ geom_point ()+ theme_minimal ()+ labs (colour = "Prélèvement" )+ xlab ("Humidité 103°C en %" )+ ylab ("Biomasse microbienne mg/kg \n (fumigation)" )+ geom_smooth (method = "lm" , color = "blue" )+ stat_regline_equation (aes (label = paste ( ..adj.rr.label.., sep = "~~~~" )), size= 3 , colour= "blue" )
Code
ggplot (data,aes (x= H103,y= CT28_val,colour= a_creuser))+ geom_point ()+ theme_minimal ()+ labs (colour = "Prélèvement" )+ xlab ("Humidité 103°C en %" )+ ylab ("CO2 mg/kg (28j à 28°C)" )+ geom_smooth (method = "lm" , color = "blue" )+ stat_regline_equation (aes (label = paste ( ..adj.rr.label.., sep = "~~~~" )), size= 3 , colour= "blue" )
Code
ggplot (data,aes (x= Nmineralise_val,y= CT28_val,colour= a_creuser))+ geom_point ()+ theme_minimal ()+ labs (colour = "Prélèvement" )+ xlab ("Azote mg/kg (28j à 28°C)" )+ ylab ("CO2 mg/kg (28j à 28°C)" )+ geom_smooth (method = "lm" , color = "blue" )+ stat_regline_equation (aes (label = paste ( ..adj.rr.label.., sep = "~~~~" )), size= 3 , colour= "blue" )
Code
ggplot (data,aes (x= Nmineralise_val,y= BM_val,colour= a_creuser))+ geom_point ()+ theme_minimal ()+ labs (colour = "Prélèvement" )+ ylab ("BM mg/kg" )+ xlab ("Azote mg/kg (28j à 28°C)" )+ geom_smooth (method = "lm" , color = "blue" )+ stat_regline_equation (aes (label = paste ( ..adj.rr.label.., sep = "~~~~" )), size= 3 , colour= "blue" )
Code
ggplot (data,aes (x= CT28_val,y= BM_val,colour= a_creuser))+ geom_point ()+ theme_minimal ()+ labs (colour = "Prélèvement" )+ ylab ("BM mg/kg" )+ xlab ("CO2 mg/kg (28j à 28°C)" )+ geom_smooth (method = "lm" , se = TRUE , color = "blue" )+ stat_regline_equation (aes (label = paste ( ..adj.rr.label.., sep = "~~~~" )), size= 3 , colour= "blue" )
Code
ggplot (data,aes (x= CT28_val,y= FDA..A490.h.,colour= a_creuser))+ geom_point ()+ theme_minimal ()+ labs (colour = "Prélèvement" )+ ylab ("FDA hydrolase" )+ xlab ("CO2 en mg/kg (28j 28°C)" )+ geom_smooth (method = "lm" , color = "blue" )+ stat_regline_equation (aes (label = paste ( ..adj.rr.label.., sep = "~~~~" )), size= 3 , colour= "blue" ) # Ajout de la régression linéaire
Code
ggplot (data,aes (x= BM_val,y= pluvio_mm,colour= a_creuser))+ geom_point ()+ theme_minimal ()+ labs (colour = "Prélèvement" )+ ylab ("Pluviométrie mensuelle mm" )+ xlab ("BM en mg/kg TS" )+ geom_smooth (method = "lm" , color = "blue" )+ stat_regline_equation (aes (label = paste ( ..adj.rr.label.., sep = "~~~~" )), size= 3 , colour= "blue" )
Code
ggplot (data,aes (x= BM_val,y= Tmoy,colour= a_creuser))+ geom_point ()+ theme_minimal ()+ labs (colour = "Prélèvement" )+ ylab ("T°C mensuelle moyenne" )+ xlab ("BM en mg/kg TS" )+ geom_smooth (method = "lm" , color = "blue" )+ stat_regline_equation (aes (label = paste ( ..adj.rr.label.., sep = "~~~~" )), size= 3 , colour= "blue" )
Session Info
Pour ceux qui veulent des détails liés au code R.
Session Information
Code
R version 4.2.1 (2022-06-23 ucrt)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 22631)
Matrix products: default
locale:
[1] LC_COLLATE=French_France.utf8 LC_CTYPE=French_France.utf8
[3] LC_MONETARY=French_France.utf8 LC_NUMERIC=C
[5] LC_TIME=French_France.utf8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] ggpubr_0.6.0 glue_1.6.2 ggtext_0.1.2
[4] DT_0.27 patchwork_1.3.0.9000 ggiraph_0.8.10
[7] ggplot2_3.5.1 lubridate_1.9.2 celestar_0.0.0.9000
loaded via a namespace (and not attached):
[1] utf8_1.2.2 questionr_0.7.8 leaflet.extras_1.0.0
[4] tidyselect_1.2.0 htmlwidgets_1.6.1 grid_4.2.1
[7] combinat_0.0-8 munsell_0.5.0 codetools_0.2-18
[10] ragg_1.2.5 units_0.8-0 miniUI_0.1.1.1
[13] withr_2.5.0 colorspace_2.0-3 ggalt_0.4.0
[16] highr_0.9 knitr_1.40 AlgDesign_1.2.1
[19] uuid_1.1-0 rstudioapi_0.14 stats4_4.2.1
[22] ggsignif_0.6.3 officer_0.6.2 Rttf2pt1_1.3.12
[25] fontLiberation_0.1.0 labeling_0.4.2 polyclip_1.10-4
[28] farver_2.1.1 vctrs_0.6.5 generics_0.1.3
[31] xfun_0.37 timechange_0.2.0 fontquiver_0.2.1
[34] geomtextpath_0.1.1 R6_2.5.1 markdown_1.5
[37] bitops_1.0-7 showtext_0.9-6 promises_1.2.0.1
[40] scales_1.3.0 gtable_0.3.1 ash_1.0-15
[43] lwgeom_0.2-13 rlang_1.1.1 systemfonts_1.0.4
[46] splines_4.2.1 rstatix_0.7.2 extrafontdb_1.0
[49] lazyeval_0.2.2 mapview_2.11.0 shinyBS_0.61.1
[52] broom_1.0.4 yaml_2.3.5 abind_1.4-5
[55] crosstalk_1.2.0 backports_1.4.1 httpuv_1.6.5
[58] gridtext_0.1.5 extrafont_0.19 tools_4.2.1
[61] tcltk_4.2.1 ellipsis_0.3.2 raster_3.5-29
[64] RColorBrewer_1.1-3 proxy_0.4-27 polynom_1.4-1
[67] ggridges_0.5.4 Rcpp_1.0.9 base64enc_0.1-3
[70] classInt_0.4-9 purrr_1.0.1 RCurl_1.98-1.12
[73] openssl_2.0.2 viridis_0.6.2 cowplot_1.1.1
[76] haven_2.5.1 ggrepel_0.9.3 cluster_2.1.3
[79] leafem_0.2.0 crul_1.3 magrittr_2.0.3
[82] data.table_1.14.2 flextable_0.9.1 hms_1.1.2
[85] shinyjs_2.1.0 mime_0.12 evaluate_0.21
[88] xtable_1.8-4 klaR_1.7-1 leaflet_2.1.1
[91] readxl_1.4.2 gridExtra_2.3 compiler_4.2.1
[94] fontBitstreamVera_0.1.1 tibble_3.1.8 maps_3.4.1
[97] KernSmooth_2.23-20 crayon_1.5.2 agricolae_1.3-5
[100] htmltools_0.5.4 mgcv_1.8-40 later_1.3.0
[103] tzdb_0.3.0 tidyr_1.3.0 DBI_1.1.3
[106] tweenr_2.0.2 proj4_1.0-12 MASS_7.3-60
[109] sf_1.0-8 Matrix_1.5-0 car_3.1-2
[112] readr_2.1.4 cli_3.6.0 forcats_1.0.0
[115] pkgconfig_2.0.3 sp_1.5-0 terra_1.6-7
[118] plotly_4.10.0 xml2_1.3.3 webshot_0.5.3
[121] stringr_1.5.0 digest_0.6.29 showtextdb_3.0
[124] httpcode_0.3.0 rmarkdown_2.20 cellranger_1.1.0
[127] gdtools_0.3.3 curl_5.1.0 shiny_1.7.4
[130] commonmark_1.9.0 satellite_1.0.4 lifecycle_1.0.3
[133] nlme_3.1-157 oceanis_1.8.5 jsonlite_1.8.7
[136] carData_3.0-5 viridisLite_0.4.1 askpass_1.1
[139] fansi_1.0.3 labelled_2.12.0 pillar_1.9.0
[142] lattice_0.20-45 fastmap_1.1.0 httr_1.4.7
[145] zip_2.2.0 png_0.1-7 shinythemes_1.2.0
[148] ggforce_0.4.1 class_7.3-20 stringi_1.7.8
[151] soiltexture_1.5.1 textshaping_0.3.6 gfonts_0.2.0
[154] dplyr_1.1.0 e1071_1.7-13 sysfonts_0.8.8
